%%{ init: { 'flowchart': { 'curve': 'natural' } } }%%
flowchart LR
T(Theory)
P(Phenomena)
D(Data)
T -- "Explanation" --> P
P -- "Abduction" --> T
P -- "Prediction" --> D
D -- "Generalization" --> P
Buridan’s Ass
2023-09-06
%%{ init: { 'flowchart': { 'curve': 'natural' } } }%%
flowchart LR
T(Theory)
P(Phenomena)
D(Data)
T -- "Explanation" --> P
P -- "Abduction" --> T
P -- "Prediction" --> D
D -- "Generalization" --> P
See Borsboom et al. (2021). Theory Construction Methodology: A Practical Framework for Building Theories in Psychology. Perspectives on Psychological Science, 16(4), 756–766. https://doi.org/10.1177/1745691620969647
%%{ init: { 'flowchart': { 'curve': 'natural' } } }%%
flowchart LR
P(Phenomena)
D(Data)
P -- "Prediction" --> D
D -- "Generalization" --> P
Phenomena: Stable and general features of the world in need of explanation. Can be understood as robust generalizations of patterns in empirical data. They are the explanatory targets for scientific theories.
Data: Relatively direct observations. Refer to particular empirical patterns in concrete data sets rather than empirical generalizations (which would be phenomenona).
See Borsboom et al. (2021). Theory Construction Methodology: A Practical Framework for Building Theories in Psychology. Perspectives on Psychological Science, 16(4), 756–766. https://doi.org/10.1177/1745691620969647
%%{ init: { 'flowchart': { 'curve': 'natural' } } }%%
flowchart LR
P(Phenomena)
D(Data)
P -- "Prediction" --> D
D -- "Generalization" --> P
linkStyle 1 stroke-width:2px,stroke:red,color:red;
Data provide evidence for the existence of empirical phenomena: You generalize from one or more data sets with strong evidence to a general phenomenon.
To claim a (robust) phenomenon, you ideally need:
%%{ init: { 'flowchart': { 'curve': 'natural' } } }%%
flowchart LR
P(Phenomena)
D(Data)
P -- "Prediction" --> D
D -- "Generalization" --> P
linkStyle 0 stroke-width:2px,stroke:red,color:red;
Phenomena (once their existence has been established) predict similar data patterns in new data sets of the same operationalization (as in “direct replication”) and ideally also for new operationalizations (as in “conceptual replication”).
The risky shift phenomenon: A group’s decisions are riskier than the average of the individual decisions of members before the group met (i.e., the group discussion made individuals riskier).
See Westfall et al. (2015). Replicating Studies in Which Samples of Participants Respond to Samples of Stimuli. Perspectives on Psychological Science, 10(3), 390–399. https://doi.org/10.1177/1745691614564879
Question for discussion: Is “risky shift” a phenomenon?
My take: It is a phenomenon (though a weak one), as it generalizes to new instances (data sets) of the same operationalization. It is a phenomenon of this specific stimulus set and suggests certain types of research questions (e.g., “What is so specific to this stimulus set?”).
%%{ init: { 'flowchart': { 'curve': 'natural' } } }%%
flowchart LR
P(Phenomena)
D(Data)
P -- "Prediction" --> D
D -- "Generalization" --> P
The concerns of the replication crisis typically referred to the relation between data and phenomena:
%%{ init: { 'flowchart': { 'curve': 'natural' } } }%%
flowchart LR
T(Theory)
P(?? Phenomena ??)
D(Data)
T -- "Explanation" --> P
P -- "Abduction" --> T
P ---> D
D -. "?? Generalization ??" .-> P
linkStyle 2 stroke-width:0px,stroke:grey,color:grey;
linkStyle 3 stroke-width:2px,stroke:red,color:red;
Doubt about phenomena propagates to theories: If there is no phenomenon to explain, any explanatory theory gets obsolete.
“We argue that a further cause of poor replicability is the often weak logical link between theories and their empirical tests.”
See Oberauer, K., & Lewandowsky, S. (2019). Addressing the theory crisis in psychology. Psychonomic Bulletin & Review, 26(5), 1596–1618. https://doi.org/10.3758/s13423-019-01645-2
„Ein Esel steht zwischen zwei gleich großen und gleich weit entfernten Heuhaufen. Er verhungert schließlich, weil er sich nicht entscheiden kann, welchen er zuerst fressen soll.“
„The man who is violently, but equally, hungry and thirsty, and stands at an equal distance from food and drink, and who therefore must remain where he is.“
Aristoteles: De Caelo/On the Heavens. Trans. W. K. C. Guthrie, Heinemann, London 1938, 2:13:295b (S. 237)
Siehe Wikipedia
“Die Gnosis kannte die Gestalt des Demiurgen, eines Schöpfergottes von niederem Rang, der von der Hochgottheit den Auftrag erhalten hatte, den Kosmos zu erbauen”N. Bischof (in prep, S. 143)
Der Forscher, der eine komplexe Struktur verstehen will, ist gut beraten, wenn er sich in die Rolle eines solchen Demiurgen versetzt und sich vorstellt, er hätte sie selbst konstruieren müssen. Natürlich muss er dafür eine begründete Vermutung haben, was sie leisten soll. Leistung schließt immer eine Zielvorgabe ein, die Arbeit des Demiurgen läuft also naturgemäß im Rahmen einer telischen Heuristik 1 ab.N. Bischof (in prep, S. 143)
Note
Wäre ich ein Ingenieur, der einen Mechanismus so konstruieren soll, dass er eine Leistung des Organismus ebenso gut wie dieser erbringt und dabei möglichst dieselben Fehler macht – wie würde ich dann vorgehen?
Bischof (in prep, S. 143)
Szenario: In der Umwelt gibt es eine Futter- und eine Wasserquelle, die substantiell voneinander entfernt sind (es gibt eine Reisezeit, um von der einen zur anderen zu kommen). Der Esel hat einen allgemeinen Metabolismus, der kontinuierlich Futter- und Wasserreserven im Körper verbraucht; dieser Verbrauch ist höher bei körperlicher Aktivität. Sobald eine der beiden Reserven im Körper auf Null fällt stirbt der Esel.
Annahmen:
Aufgabe: Konstruiere einen Organismus, mit möglichst wenigen Annahmen, der möglichst lange überlebt. Welche Konstrukte / Sensoren / Fähigkeiten sind dafür notwendig?
Note
Wäre ich ein Ingenieur, der, aufbauend auf der letzten funktionstüchtigen Vorform, einen Mechanismus so konstruieren soll, dass er eine Leistung des Organismus ebenso gut wie dieser erbringt und dabei möglichst dieselben Fehler macht – wie würde ich dann vorgehen?
Bischof (in prep, S. 143)
Formal modeling in psychology - Empirisches Praktikum, Ludwig-Maximilians-Universität München